求人サービスのBOSS直聘が持つ研究室が、33BのオープンウェイトモデルをApache 2.0で公開した。狙いは最強の33Bではない。小型モデルに教えるための「先生」を先に作ることにある。
Nanbeige4.3-33Bを出したのは誰か
Nanbeige LLM Labは10月25日、Hugging FaceでNanbeige4.3-33Bを公開した。ライセンスはApache 2.0。事後学習を自前で組みたい人向けに、Nanbeige4.3-33B-Baseも同時に出ている。
運営元は求人プラットフォームのBOSS直聘（ボス直聘）社内の研究室だ。中国では採用と人材検索の巨大サービスで、ここ数年AIの研究開発に力を入れている。
公開時点でHugging Face上に推論プロバイダーの登録はない。自分で立てるか、自前のGPUを用意するかになる。
Nanbeige4.3-33BがDense型を選んだ理由
33BはDense（高密度）型のモデルである。Mixture of Experts（MoE）のように一部のパラメータだけを動かすのではなく、1トークンごとに33Bすべてを通す。
効率はMoEに劣る。代わりに挙動が読みやすく、量子化や蒸留の土台として扱いやすい。同社がこのモデルを「先生」と位置づけるのは、そのためだ。
Nanbeige4.3-33Bの512Kコンテキストとメモリの現実
コンテキスト長は524,288トークン、つまり512K。長い設計書やリポジトリをまとめて読ませる用途を狙う。
アーキテクチャは標準的なLlamaForCausalLMだ。52レイヤー、hidden 7,168、クエリヘッド56、KVヘッド8のGQA、語彙166,912、RoPE theta 1.2e8。既存の推論基盤にそのまま載せられる形になっている。
重さは無視できない。BF16の重みだけで約66GB。KVキャッシュは1トークンあたり約208KiBで、512Kを埋めると約112GBになる。では、手元で動かすには何が必要か？ 答えは「重みとKVキャッシュを合わせて200GB近いメモリ」だ。
Nanbeige4.3-33Bの自己申告、20項目中17項目で先行
同社は20項目のベンチマークで、Qwen3.8-27B、Muse-Glimmer-30B、Gemma4-31Bと比較した表を出している。すべて最高の思考強度で回した設定だ。
結果は20項目中17項目で先行とされる。差が大きいのはエージェント系である。コマンド操作を測るTerminal-Bench 2.1は80.9で、Qwen3.8-27Bの73.0を上回る。DeepSWEは65.5対42.5、Automation Benchは54.2対38.3、JobBenchは44.8対34.5。数学のAIME 2026は95.2、長文読解のAA-LCRは84.0としている。
数字はすべて同社の申告で、第三者評価はまだない。ここは前提として押さえておきたい。
負けた項目と、食い違うベンチマークの数字
負けている項目もある。SWE-Bench Proは60.3で、Qwen3.8-27Bの61.7に届かない。GDPvalは84.8対86.4で後れを取る。Terminal-Bench 4.0は23.8と、自社の表の中で最も低い。
さらに、比較表には整合しない箇所がある。Muse-Glimmer-30BとGemma4-31BのSWE-Bench Proの値が、Metaの公式値（51.2と36.9）と入れ替わった形で載っている。GPQA DiamondでGemma4-31Bに与えた91.3も、Googleの公式値84.3と合わない。
評価ハーネスの違いで説明できる部分はある。ただ、SWE-Bench Proの2行は書き違えたように見える。個々のスコアは独立した再現を待つ段階だ。
先生を作ってNanbeige4.3-3Bに蒸留する設計
このモデルの位置づけは、モデルカードに明記されている。まず強い33Bのエージェントを作り、それを近く公開されるNanbeige4.3-3Bに蒸留する。33Bは製品ではなく、教材である。
蒸留は、大きいモデルの出力を小さいモデルに学ばせる手法だ。教師の質がそのまま生徒の上限になる。だから先に33Bを出した、という順番になる。
実際に配るのは3Bの側になる可能性が高い。33Bはその品質を測るための参照点として使うのが自然だ。
Nanbeige4.3-33Bを動かすための構成
モデルカードにはTransformers、SGLang、vLLMの手順が載る。例は4分割のテンソル並列。エージェント用途ではtemperature 1.0、top_p 0.95、新規トークン65,536を推奨する。推論とチャットはtemperature 0.6で262,144まで。
4枚のGPUを並べる前提は、個人には重い。コミュニティ版のQ8 GGUFは約35.2GBで、32KのKVキャッシュを載せれば48GBの1枚で動く。長文を詰め込む用途と、手元で試す用途は構成が分かれる。
33Bをすぐ試すより、3Bの登場を待つ判断も妥当だ。独立評価が出るまでは、スコアは参考値として扱いたい。
